論文の概要: LLM Enabled Multi-Agent System for 6G Networks: Framework and Method of Dual-Loop Edge-Terminal Collaboration

• arxiv url: http://arxiv.org/abs/2509.04993v1
• Date: Fri, 05 Sep 2025 10:40:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.566451
• Title: LLM Enabled Multi-Agent System for 6G Networks: Framework and Method of Dual-Loop Edge-Terminal Collaboration
• Title（参考訳）: LLMによる6Gネットワーク用マルチエージェントシステム:デュアルループエッジ終端協調の枠組みと方法
• Authors: Zheyan Qu, Wenbo Wang, Zitong Yu, Boquan Sun, Yang Li, Xing Zhang,
• Abstract要約: 6Gネットワークにおいて,デュアルループ端末-エッジ協調によるLLM対応マルチエージェントシステムのフレームワークと手法を提案する。 改善された課題計画能力とタスク実行効率は、6G支援型都市安全ガバナンスにおける事例研究を通じて検証される。
• 参考スコア（独自算出の注目度）: 30.5296965737426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ubiquitous computing resources in 6G networks provide ideal environments for the fusion of large language models (LLMs) and intelligent services through the agent framework. With auxiliary modules and planning cores, LLM-enabled agents can autonomously plan and take actions to deal with diverse environment semantics and user intentions. However, the limited resources of individual network devices significantly hinder the efficient operation of LLM-enabled agents with complex tool calls, highlighting the urgent need for efficient multi-level device collaborations. To this end, the framework and method of the LLM-enabled multi-agent system with dual-loop terminal-edge collaborations are proposed in 6G networks. Firstly, the outer loop consists of the iterative collaborations between the global agent and multiple sub-agents deployed on edge servers and terminals, where the planning capability is enhanced through task decomposition and parallel sub-task distribution. Secondly, the inner loop utilizes sub-agents with dedicated roles to circularly reason, execute, and replan the sub-task, and the parallel tool calling generation with offloading strategies is incorporated to improve efficiency. The improved task planning capability and task execution efficiency are validated through the conducted case study in 6G-supported urban safety governance. Finally, the open challenges and future directions are thoroughly analyzed in 6G networks, accelerating the advent of the 6G era.
• Abstract（参考訳）: 6Gネットワークにおけるユビキタスコンピューティングリソースは,エージェントフレームワークを通じて,大規模言語モデル(LLM)とインテリジェントサービスを融合するための理想的な環境を提供する。 補助モジュールとプランニングコアにより、LLM対応エージェントは、多様な環境意味論とユーザ意図を扱うために、自律的に計画し、アクションを取ることができる。 しかし、個々のネットワーク機器の限られたリソースは、複雑なツールコールによるLLM対応エージェントの効率的な操作を著しく妨げ、効率的なマルチレベルデバイスコラボレーションの必要性を浮き彫りにしている。 この目的のために、6Gネットワーク上では、デュアルループ端末-エッジ協調によるLLM対応マルチエージェントシステムのフレームワークと手法が提案されている。 まず、外部ループは、グローバルエージェントとエッジサーバや端末にデプロイされる複数のサブエージェントの反復的な協調によって構成され、タスク分解と並列サブタスクの分散によって計画能力が向上する。 第二に、インナーループは専用の役割を持つサブエージェントを利用してサブタスクを円滑に推論、実行、計画し、オフロード戦略による並列ツール呼び出し生成を組み込んで効率を向上させる。 改善された課題計画能力とタスク実行効率は、6G支援型都市安全ガバナンスにおける事例研究を通じて検証される。 最後に、6G時代の到来を加速する6Gネットワークにおいて、オープンな課題と今後の方向性を徹底的に分析する。

関連論文リスト

• MAGNNET: Multi-Agent Graph Neural Network-based Efficient Task Allocation for Autonomous Vehicles with Deep Reinforcement Learning [2.5022287664959446]
  本稿では,グラフニューラルネットワーク(GNN)を一元的トレーニングと分散実行(CTDE)パラダイムに統合する新しいフレームワークを提案する。 本手法により,無人航空機 (UAV) と無人地上車両 (UGV) は, 中央調整を必要とせず, 効率よくタスクを割り当てることができる。
  論文  参考訳（メタデータ） (2025-02-04T13:29:56Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• LLM Agents as 6G Orchestrator: A Paradigm for Task-Oriented Physical-Layer Automation [1.128193862264227]
  本稿では,タスク指向型6G LLMエージェント構築のための包括的アプローチを提案する。 まず,フィールド基本モデルを構築するための2段階の事前学習と微調整方式を提案する。 物理層分解などの模範課題の実験結果から,提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-09-21T05:08:29Z)
• When Large Language Model Agents Meet 6G Networks: Perception, Grounding, and Alignment [100.58938424441027]
  モバイル端末とエッジサーバの協調を利用した6GネットワークにおけるAIエージェントの分割学習システムを提案する。 提案システムでは,LLMのための新しいモデルキャッシングアルゴリズムを導入し,コンテキストにおけるモデル利用を改善する。
  論文  参考訳（メタデータ） (2024-01-15T15:20:59Z)
• A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
  本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。 具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。 我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
  論文  参考訳（メタデータ） (2023-10-03T16:05:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。